arrow
返回

Artificial intelligence for quantum computing

delete2025-12-02
delete0
delete
OA
AI
Y
Yuri Alexeev
M
Marwa Farag
T
Taylor L. Patti
M
M.E. Wolf *
N
Natalia Ares
A
Alán Aspuru‐Guzik
S
Simon C. Benjamin
Z
Zhenyu Cai
S
Shuxiang Cao
C
Christopher Chamberland
Z
Zohim Chandani
F
Federico Fedele
I
Ikko Hamamura
N
Nicholas Harrigan
J
Jin-Sung Kim
E
Elica Kyoseva
J
Justin G. Lietz
T
Tom Lubowe
R
Roger G. Melko
K
Kouhei Nakaji
A
Alberto Peruzzo
P
Pooja Rao
B
Bruno Schmitt
S
Sam Stanwyck
N
Norm M. Tubman
H
Hanrui Wang
T
Timothy Costa
DOI:10.1038/s41467-025-65836-3delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
人工智能(AI)在过去几年的进步对日常应用领域产生了前所未有的革命性影响。其意义也延伸至科学与工程领域的技术挑战,包括量子计算(QC)这一新兴领域。量子计算的违背直觉特性和高维数学使其成为AI数据驱动学习能力的理想候选对象,事实上,量子计算最大的规模化挑战可能最终取决于AI的发展。然而,将AI的前沿技术引入量子计算需要借鉴计算机科学中两个最先进且深奥领域中的不同专业知识。本文旨在通过回顾最先进的AI技术如何已经在推动开发有用量子计算所需软硬件栈的挑战——从设备设计到应用——来鼓励这种交叉融合。随后,我们通过审视该领域的未来机遇与障碍来总结。日益复杂的量子计算设备越来越依赖自动化工具进行设计、优化和操作。在本综述中,作者讨论了“AI for quantum”的最新进展,从硬件设计与控制,到电路编译、量子错误校正和后处理,并探讨了量子加速超级计算的潜在未来,其中AI、HPC和高量子技术实现融合。
Keyword:
Artificial intelligence
Quantum computing
Machine learning
Quantum hardware
Quantum algorithms
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

Nature Communications 封面图
Nature Communications
IF:
15.7
论文数:
9.4W
被引数:
91.2W

机构

Q
quantum motion
学者数:
3
论文数: 2
被引数: 0
N
nvidia corporation
学者数:
767
论文数: 439
被引数: 1
U
university of california los angeles
学者数:
5.3W
论文数: 4.2W
被引数: 89
Q
qubit pharmaceuticals
学者数:
1
论文数: 1
被引数: 0
U
university of oxford
学者数:
9.8W
论文数: 8.6W
被引数: 137
U
University of Waterloo
学者数:
2.2W
论文数: 2.3W
被引数: 3.3W
N
nasa ames research center
学者数:
3.5K
论文数: 2.7K
被引数: 8
学者 查看更多机构
引用论文

引用论文

暂无论文信息